Kesenjangan talenta fintech bukan cuma soal kemampuan teknis

Talenta fintech di Indonesia perlu memadukan kemampuan teknis dengan pengetahuan keuangan, regulasi, risiko, dan komunikasi. Data dan AI penting, tetapi hasil teknis baru berguna ketika pekerja dapat menilai konsekuensinya bagi keamanan, operasional, kepatuhan, dan konsumen.

Karena itu, kandidat sebaiknya memilih satu fungsi utama—pembayaran, kredit, risiko, kepatuhan, keamanan, atau data—kemudian membangun kompetensi pendamping yang relevan. Sasaran akhirnya bukan menguasai semua alat, melainkan mampu menangani keputusan tertentu dalam layanan keuangan dan menunjukkan bukti kerjanya.

Kesenjangan muncul pada kemampuan teknis dan nonteknis

Masalah tenaga kerja fintech tidak berhenti pada kelangkaan programmer atau data scientist. Laporan ADB dan Global Fintech Institute memperkirakan kesenjangan keterampilan teknis sebesar 48% dan keterampilan nonteknis sebesar 46% pada tenaga fintech yang diteliti di Indonesia, Filipina, Singapura, dan Viet Nam.

Kedua angka itu merupakan temuan lintas empat negara, bukan ukuran kekurangan setiap pekerja Indonesia. Maknanya bagi kandidat adalah bahwa kecakapan menggunakan alat tidak dapat dipisahkan dari pemecahan masalah, komunikasi, dan pengetahuan industri. Seseorang mungkin mahir menulis kode, misalnya, tetapi belum siap mengolah data keuangan jika tidak mampu memeriksa kualitas data, menjaga akses, memahami risiko keputusan, dan menerangkan keterbatasan hasil.

Gambaran nasional menunjukkan kebutuhan yang lebih spesifik. Dalam survei terhadap 141 perusahaan anggota, AFTECH mencatat 48% responden menilai talenta data, AI, dan analitik sebagai kategori tenaga kerja yang paling sulit diperoleh; 83% perusahaan telah mulai menggunakan atau menguji AI untuk fungsi seperti analitik, layanan pelanggan, otomatisasi, deteksi fraud, penilaian kredit, dan manajemen risiko.

Peta keterampilan menurut fungsi fintech

Prioritas belajar perlu mengikuti keputusan dan risiko yang ditangani oleh suatu fungsi. Matriks berikut adalah kerangka praktis untuk menghubungkan kemampuan teknis, pengetahuan industri, dan kecakapan lintas fungsi.

• Pembayaran: pahami alur transaksi, integrasi API, rekonsiliasi, pemantauan kegagalan, dan keamanan aplikasi. Kompetensi pendampingnya meliputi penyelesaian transaksi, penanganan sengketa, komunikasi insiden, serta dampak gangguan terhadap pengguna dan merchant.
• Kredit digital: prioritaskan SQL, pengolahan data, evaluasi model, dan pemantauan keputusan. Lengkapi dengan pemahaman arus kas, kemampuan membayar, risiko kredit, perlindungan konsumen, serta kemampuan menjelaskan alasan di balik rekomendasi.
• Risiko: pelajari penyusunan indikator, analisis anomali, pengujian skenario, dan visualisasi yang dapat ditindaklanjuti. Kandidat juga perlu memahami produk, toleransi risiko, jalur eskalasi, dan cara menerjemahkan temuan menjadi pilihan bagi pengambil keputusan.
• Kepatuhan: padukan kemampuan membaca ketentuan dengan pemetaan proses, dokumentasi kontrol, analisis data, dan pemantauan perubahan. Hasil kerja yang berguna menghubungkan kewajiban dengan pemilik proses, bukti pelaksanaan, pengecualian, serta tindakan korektif.
• Keamanan siber: bangun fondasi pada identitas dan akses, keamanan aplikasi, perlindungan data, penanganan insiden, dan pengelolaan kerentanan. Komunikasi diperlukan agar temuan teknis dapat diubah menjadi prioritas bisnis dan rencana pemulihan.
• Data dan AI: kuasai SQL, statistik, rekayasa data, evaluasi model, dan pemantauan performa. Tambahkan tata kelola data, privasi, keterjelasan model, pengetahuan produk keuangan, serta kemampuan menguji apakah metrik teknis benar-benar mewakili tujuan bisnis.

Daftar ini tidak mengharuskan seorang kandidat menjadi ahli di keenam fungsi. Nilai utama justru terletak pada kedalaman di satu fungsi dan kemampuan mengenali ketergantungannya pada tim lain. Analis kredit, misalnya, tidak harus menjadi spesialis keamanan, tetapi perlu mengetahui kapan kualitas data, akses, atau rancangan model menimbulkan risiko yang harus dieskalasikan.

Bedakan pengetahuan dasar, kesiapan kerja, dan kepemimpinan keputusan

Nama keterampilan saja tidak menerangkan tingkat kemampuan kandidat. Tiga tingkat praktis—dasar, siap kerja, dan mampu memimpin keputusan—dapat membuat sasaran belajar lebih terukur. Pembagian ini adalah alat perencanaan, bukan standar sertifikasi resmi.

• Dasar: mampu menjelaskan istilah, alur kerja, tujuan kontrol, dan konsekuensi kesalahan melalui contoh sederhana. Tugas masih diselesaikan dengan panduan atau data latihan.
• Siap kerja: mampu menangani tugas terbatas secara mandiri, memeriksa mutu hasil, mendokumentasikan asumsi, dan mengenali kondisi yang perlu dieskalasikan.
• Memimpin keputusan: mampu memilih pendekatan, menimbang risiko dan biaya, menyelaraskan beberapa fungsi, serta mempertanggungjawabkan keputusan kepada pihak teknis dan bisnis.

Untuk posisi awal, sasaran yang realistis adalah siap kerja pada satu kemampuan inti dan memiliki dasar pada kompetensi pendamping. Sebagai contoh bersyarat, calon analis kredit dapat menargetkan kesiapan kerja dalam SQL dan evaluasi data, kemudian membangun pengetahuan dasar mengenai risiko kredit, privasi, dan komunikasi hasil.

Portofolio perlu memperlihatkan keputusan, bukan sekadar alat

Sertifikat kursus menunjukkan kegiatan belajar, tetapi belum selalu memperlihatkan cara kandidat bekerja. Portofolio yang lebih informatif menjelaskan masalah, data atau masukan, asumsi, metode, kontrol, hasil, keterbatasan, dan keputusan lanjutan. Gunakan data sintetis atau data terbuka, bukan data pelanggan, kredensial, atau informasi internal perusahaan.

• Untuk pembayaran, susun analisis kegagalan transaksi yang memuat klasifikasi penyebab, aturan eskalasi, dan rancangan rekonsiliasi.
• Untuk kredit atau data, buat model sederhana dengan pemisahan data yang tepat, alasan pemilihan metrik, pemeriksaan bias, dan kondisi ketika hasil tidak layak digunakan.
• Untuk keamanan, buat threat model pada alur pembayaran atau autentikasi, kemudian urutkan risiko dan kontrol berdasarkan dampaknya.
• Untuk kepatuhan, petakan satu ketentuan publik ke proses, pemilik kontrol, bukti pemeriksaan, pengecualian, dan tindakan korektif.
• Untuk risiko, tulis memo yang mengubah hasil analisis menjadi beberapa pilihan keputusan, berikut konsekuensi dan data yang masih belum tersedia.

Hasil akhirnya tidak harus berupa aplikasi besar. Repositori yang tertata, notebook yang dapat dijalankan, dokumentasi kontrol, atau memo keputusan singkat dapat memperlihatkan kompetensi jika pembaca bisa menelusuri alasan di balik setiap pilihan. Portofolio juga perlu menunjukkan bagaimana kandidat akan menemukan kesalahan dan kapan ia meminta peninjauan dari fungsi lain.

Pelatihan perlu mengikuti masalah kerja yang utuh

Bagi kandidat, urutan yang efisien adalah memilih fungsi sasaran, menentukan satu kemampuan inti dan dua atau tiga kompetensi pendamping, lalu membuat bukti kerja yang dapat diperiksa. Saat membaca lowongan, kelompokkan persyaratan menjadi tugas, alat, pengetahuan industri, dan perilaku kerja; daftar teknologi saja tidak cukup untuk menggambarkan pekerjaan.

Bagi penyelenggara pelatihan, materi teknis sebaiknya ditempatkan dalam alur keuangan yang lengkap. Kelas analitik, misalnya, dapat menilai kualitas data, konsekuensi keputusan, komunikasi kepada fungsi risiko, dan dokumentasi keterbatasan selain ketepatan kode. Proyek lintas fungsi akan lebih jelas menguji apakah peserta mampu menerapkan keterampilannya pada masalah fintech.

Dengan kerangka ini, kesenjangan talenta terlihat sebagai masalah penerapan: industri membutuhkan orang yang mampu menghubungkan alat teknis dengan keputusan keuangan yang aman dan dapat dipertanggungjawabkan. Kedalaman pada satu fungsi, pemahaman atas batas keahlian, dan kemampuan bekerja dengan disiplin lain lebih bernilai daripada klaim menguasai semua bidang.